Mplfinance 是行代线图 Matplotlib 组织开源项目的一部分。相对于Matplotlib，码绘Mplfinance这个处于金融行业的制漂垂直领域的模块的关注度确实是少了一些，以至于很多朋友都不知道它的亮金存在，实际上它非常实用且好用。个神过
1.准备
开始之前，可错你要确保Python和pip已经成功安装在电脑上，行代线图如果没有，码绘可以访问这篇文章：超详细Python安装指南 进行安装。制漂
(可选1) 如果你用Python的亮金目的是数据分析，可以直接安装Anaconda：Python数据分析与挖掘好帮手—Anaconda，个神过它内置了Python和pip.
(可选2) 此外，可错推荐大家用VSCode编辑器，行代线图它有许多的码绘优点：Python 编程的最好搭档—VSCode 详细指南。
请选择以下任一种方式输入命令安装依赖：
1. Windows 环境 打开 Cmd (开始-运行-CMD)。制漂
2. MacOS 环境 打开 Terminal (command+空格输入Terminal)。
3. 如果你用的云服务器是 VSCode编辑器 或 Pycharm，可以直接使用界面下方的Terminal.
pip install --upgrade mplfinance2.基本使用
我们以沪深300分钟线为例，使用mplfinance绘制各类金融图形。
首先看看数据结构：
import pandas as pd
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
print(mins)结构如下：
day open high low close volume
0 2022-03-07 10:47:00 4406.223 4406.352 4405.662 4405.922 54345400
1 2022-03-07 10:48:00 4406.172 4406.175 4403.834 4403.918 70803100
2 2022-03-07 10:49:00 4403.333 4403.333 4402.235 4402.340 49632500
3 2022-03-07 10:50:00 4402.330 4402.519 4401.838 4402.519 48159200我们用于mplfinance的数据必须是 Pandas DataFrame. 字段则按需提供，至少要有时间字段和一列数据。另外原始数据如果是其他的数据类型，你必须得先转成DataFrame格式。
此外，时间字段必须转为DatetimeIndex：
# 公众号：二七阿尔量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = Time
print(mins)效果如下：
open high low close volume
Time
2022-03-07 10:47:00 4406.223 4406.352 4405.662 4405.922 54345400
2022-03-07 10:48:00 4406.172 4406.175 4403.834 4403.918 70803100
2022-03-07 10:49:00 4403.333 4403.333 4402.235 4402.340 49632500
2022-03-07 10:50:00 4402.330 4402.519 4401.838 4402.519 48159200准备完成后就可以绘制图表了：
# 公众号：二七阿尔量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = Time
# 绘制默认图像（美国线）
mpf.plot(mins)
绘制蜡烛图（K线图），为了避免图表过大，我这里只取了240条K线：
# 公众号：二七阿尔量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = Time
candle_chart = mins.tail(240)
mpf.plot(candle_chart, type=candle)
黑白颜色太单调了，我们可以换成“雅虎”配色：
mpf.plot(candle_chart, type=candle, style=yahoo)
绘制线型图：
# 公众号：二七阿尔量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = Time
mpf.plot(mins, type=line)
除了美国线、蜡烛图（K线）、线型图外，mplfinance还支持 renko、pnf 等图形。有兴趣的同学可以改个type看看效果：
3.添加技术指标
绘制简单移动平均线MA5，我们只需要多加一个参数：
# 公众号：二七阿尔量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = Time
candle_chart = mins.tail(240)
mpf.plot(candle_chart, type=candle, mav=5)
如果你需要多条移动平均线，只需要将mav改为元组参数，传入你需要的周期参数：
如果你还需要显示成交量(volume), mplfinance 也能实现：
# 公众号：二七阿尔量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = Time
candle_chart = mins.tail(240)
mpf.plot(candle_chart, type=candle, mav=(5, 10, 20), volume=True)
如果你还想给蜡烛上色、b2b信息网想更改线条颜色、想增加其他指标，请看第三部分高级使用。
4.高级使用
上色是非常简单的，正如我们之前换成雅虎配色一样，你只需要添加style参数即可换成我们传统的技术指标颜色。
如果你想自定义颜色也是可以做到的，这里我将前120根柱子设置为蓝黄相间，后120根柱子保留原形：
# 公众号：二七阿尔量化
import pandas as pd
import mplfinance as mpf
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = Time
candle_chart = mins.tail(240)
mco = [yellow,blue] * 60 + [None] * 120
mpf.plot(candle_chart, volume=True, style=yahoo, type=candle, marketcolor_overrides=mco)效果如下：
有些同学还希望能够绘制自己的技术指标，mplfinance也可以做到：
上滑查看更多代码
# 公众号：二七阿尔量化
# https://github.com/matplotlib/mplfinance/blob/master/examples/mpf_animation_macd.py#L28
import pandas as pd
import mplfinance as mpf
import matplotlib.animation as animation
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = Time
candle_chart = mins.tail(240)
df = candle_chart
exp12 = df[close].ewm(span=12, adjust=False).mean()
exp26 = df[close].ewm(span=26, adjust=False).mean()
macd = exp12 - exp26
signal = macd.ewm(span=9, adjust=False).mean()
histogram = macd - signal
apds = [mpf.make_addplot(exp12,color=lime),
mpf.make_addplot(exp26,color=c),
mpf.make_addplot(histogram,type=bar,width=0.7,panel=1,
color=dimgray,alpha=1,secondary_y=False),
mpf.make_addplot(macd,panel=1,color=fuchsia,secondary_y=True),
mpf.make_addplot(signal,panel=1,color=b,secondary_y=True),
]
s = mpf.make_mpf_style(base_mpf_style=classic,rc={figure.facecolor:lightgray})
fig, axes = mpf.plot(df,type=candle,addplot=apds,figscale=1.5,figratio=(7,5),title=\n\nMACD,
style=s,volume=True,volume_panel=2,panel_ratios=(6,3,2),returnfig=True)
mpf.show()mpf.make_addplot 支持添加任意图形到任意panel上，panel参数默认为0，如果设为1则将图形添加到第二个图上，color参数能设置图形颜色，secondary_y 能将图形的值设置到y轴上。效果如下：
此外，如果你希望能动态看到整个绘制过程，增加个animation即可：
上滑查看更多代码
# 公众号：二七阿尔量化
import pandas as pd
import mplfinance as mpf
import matplotlib.animation as animation
mins = pd.read_csv(sh300_1min.csv,index_col=0,parse_dates=True)
mins["day"] = pd.to_datetime(mins["day"])
mins = mins.set_index("day")
mins.index.name = Time
candle_chart = mins.tail(240)
df = candle_chart
exp12 = df[close].ewm(span=12, adjust=False).mean()
exp26 = df[close].ewm(span=26, adjust=False).mean()
macd = exp12 - exp26
signal = macd.ewm(span=9, adjust=False).mean()
histogram = macd - signal
apds = [mpf.make_addplot(exp12,color=lime),
mpf.make_addplot(exp26,color=c),
mpf.make_addplot(histogram,type=bar,width=0.7,panel=1,
color=dimgray,alpha=1,secondary_y=False),
mpf.make_addplot(macd,panel=1,color=fuchsia,secondary_y=True),
mpf.make_addplot(signal,panel=1,color=b,secondary_y=True),
]
s = mpf.make_mpf_style(base_mpf_style=classic,rc={figure.facecolor:lightgray})
fig, axes = mpf.plot(df,type=candle,addplot=apds,figscale=1.5,figratio=(7,5),title=\n\nMACD,
style=s,volume=True,volume_panel=2,panel_ratios=(6,3,2),returnfig=True)
mpf.show()
ax_main = axes[0]
ax_emav = ax_main
ax_hisg = axes[2]
ax_macd = axes[3]
ax_sign = ax_macd
ax_volu = axes[4]
def animate(ival):
if (20+ival) > len(df):
print(no more data to plot)
ani.event_source.interval *= 3
if ani.event_source.interval > 12000:
exit()
return
data = df.iloc[0:(30+ival)]
exp12 = data[close].ewm(span=12, adjust=False).mean()
exp26 = data[close].ewm(span=26, adjust=False).mean()
macd = exp12 - exp26
signal = macd.ewm(span=9, adjust=False).mean()
histogram = macd - signal
apds = [mpf.make_addplot(exp12,color=lime,ax=ax_emav),
mpf.make_addplot(exp26,color=c,ax=ax_emav),
mpf.make_addplot(histogram,type=bar,width=0.7,
color=dimgray,alpha=1,ax=ax_hisg),
mpf.make_addplot(macd,color=fuchsia,ax=ax_macd),
mpf.make_addplot(signal,color=b,ax=ax_sign),
]
for ax in axes:
ax.clear()
mpf.plot(data,type=candle,addplot=apds,ax=ax_main,volume=ax_volu)
ani = animation.FuncAnimation(fig,animate,interval=100)
mpf.show()
还有许多更有趣的玩法，你可以阅读mplfinance的examples学习更多的使用技巧：
https://github.com/matplotlib/mplfinance/tree/master/examples
站群服务器
